Impacts du Changement Climatique sur les Crues : Utilisation de Projections Climatiques dans l'Estimation de Débits Extrêmes par la Méthode SHYREG avec prise en compte d'un changement hydrologique

(1)

HAL Id: hal-02600904

https://hal.inrae.fr/hal-02600904

Submitted on 16 May 2020

HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci-entific research documents, whether they are pub-lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.

L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.

Impacts du Changement Climatique sur les Crues :

Utilisation de Projections Climatiques dans l’Estimation

de Débits Extrêmes par la Méthode SHYREG avec prise

en compte d’un changement hydrologique

P. Cantet

To cite this version:

P. Cantet. Impacts du Changement Climatique sur les Crues : Utilisation de Projections Climatiques dans l’Estimation de Débits Extrêmes par la Méthode SHYREG avec prise en compte d’un changement hydrologique. [Rapport de recherche] irstea. 2015, pp.27. �hal-02600904�

(2)

Impacts du Changement Climatique sur

les Crues :

Utilisation de Projections Climatiques dans l'Estimation de Débits Extrêmes par la Méthode SHYREG avec prise en compte d'un

changement hydrologique

Étude réalisée dans le cadre de la convention IRSTEA-DGPR 2014 : Développement de la méthode SHYREG

Cantet Philippe

9 janvier 2015

IRSTEA, Groupement d'Aix-en-Provence Groupe de Recherche en Hydrologie (RHAX)

3275, route Cézanne - CS 40061 13 182 Aix-en-Provence Cedex 5

(3)

Résumé

Nous présentons une approche originale dans l'impact du changement clima-tique sur les crues. Nous couplons des projections climaclima-tiques à résolution de

8 × 8km2_{et la méthode SHYREG pour estimer l'évolution possible des}

quan-tiles de débits au cours du 21e siècle. Contrairement à l'étude de 2013 où seule l'évolution des paramètres de SHYREG spéciques aux pluies avait été prise en compte, nous nous intéressons ici à l'évolution de la relation pluie-débit via ces paramètres.

Pour cela, nous estimons l'état de saturation des sols et le débit de base dans le futur à l'aide des projections climatiques et des sorties du modèle hydrologique mensuel LOIEAU. Des relations entre cet état de saturation et le paramètre pluie-débit propre à SHYREG permettent alors de prendre en compte aussi bien l'évolution de la pluie que celle de la relation pluie-débit dans l'estimation de quantiles de débits via SHYREG.

Les résultats montrent que le débit de base, à la baisse selon les projections sur l'ensemble de la France, a un impact non négligeable sur l'estimation des quantiles de débits pour les périodes de retour faibles hormis sur le pourtour méditerranéen où le débit de base est quasi nul ou négligeable devant les débits de crues. L'évolution du paramètre de production du modèle pluie-débit due au climat a quant à lui un impact limité sur les quantiles de crues comparé à celui d'une évolution de l'occupation des sols (urbanisation, déforestation). Ce point reste cependant à approfondir.

Selon les simulations, les quantiles de débits spéciques sembleraient être à la baisse sur l'ensemble de la France pour les faibles périodes de retour, dû principalement à une baisse du débit de base et à des états de saturation des sols plus faibles, en lien avec l'augmentation de l'évapotranspiration. Pour les fortes périodes de retour, cette tendance est moins signicative ; des régions tels que le quart Sud-Est ou l'Est parisien présenteraient même une tendance à la hausse non négligeable.

(4)

Table des matières

Introduction 3

1 Les données et l'approche SHYREG 4

1.1 Les données du modèle climatique . . . 4

1.2 L'approche SHYREG . . . 4

2 Rappels sur les résultats de 2013 7 3 Évolution du comportement hydrologique dans SHYREG 8 3.1 Le modèle régionale de ressources en eau : LOIEAU . . . 8

3.2 Estimation du débit de base dans le futur . . . 10

3.3 Estimation de l'état de saturation du sol dans le futur . . . 11

3.4 Régionalisation et Estimation du paramètre S0/A futur . . . 12

3.4.1 Rappel de la procédure . . . 12

3.4.2 Nouvelle régionalisation du S0/A présent . . . 12

3.4.3 Estimation du paramètre S0/A futur . . . 13

4 Impacts des diérentes évolutions sur l'estimation des quantiles de crues 15 4.1 Impacts d'une évolution du débit de base sur l'estimation des quantiles de crues . . . 15

4.2 Impacts d'une évolution du S0/A sur l'estimation des quantiles de crues . . 16

4.3 Impacts d'une évolution des paramètres de pluie sur l'estimation des quan-tiles de crues (rappel) . . . 16

4.4 Impacts de l'ensemble des évolutions liées au climat sur l'estimation des quantiles de crues . . . 17

Conclusion & Perspectives 19

Annexes 21

A Cartes d'évolution des quantiles pour chaque scénario SRES. 21

(5)

Introduction

Ce rapport a pour but de montrer une application possible de la méthode SHYREG dans la recherche d'impacts de l'évolution climatique sur les débits extrêmes. Une première étude [8] faite en 2013 a dressé un premier état des lieux des conséquences d'une évolution climatique sous certaines hypothèses simplicatrices notamment celle de la stationnarité de la relation pluie-débit. Celle-ci a été étudiée dans ce nouveau travail via les sorties d'un modèle de ressources en eau développé à IRSTEA-Aix en Provence : LOIEAU. Ce travail rentre dans le cadre de la convention IRSTEA-DGPR 2014 sur le développement de la méthode SHYREG.

Nous voulons avoir une idée des conséquences de l'évolution climatique sur les débits extrêmes sur les 100 prochaines années sur l'ensemble de la France métropolitaine. Une possibilité serait d'interpoler les tendances que l'on observe sur les chroniques de pluies [7] ou débits observés [16]. Sachant que ces tendances sont principalement estimées sur environ 40 années de données, il nous parait très contestable d'extrapoler ces tendances sur les 100 prochaines années.

Nous proposons alors de coupler les données simulées par un modèle climatique global et la méthode SHYREG. L'intérêt de la méthode est de palier le problème de la simulation d'événements extrêmes dans un modèle climatique global. En eet, de manière générale, dans les simulations de climats futurs, les GCM ne génèrent pas d'événements plus forts que ceux déja observés ce qui pose un réel problème dans l'étude des impacts du chan-gement climatique sur les extrêmes hydrologiques. L'utilisation de SHYREG permet alors d'atténuer ce problème puisque le générateur permet d'estimer des quantiles de pluies et de débits à partir de caractéristiques moyennes et non extrêmes.

Tout d'abord nous présentons brièvement les données mises gracieusement à notre dis-position par le CNRM et l'approche SHYREG (voir 1). Ces données donnent une repré-sentation du climat de la n du 20e siècle et des climats futurs possibles (milieu et n du 21e siècle) à une résolution de 8km. Nous rappelons ensuite les principaux résultats du rapport précédent dans lequel nous avions admis l'hypothèse de stationnarité au cours du temps du paramètre servant à transformer la pluie en débit (voir 2). An de prendre en compte l'évolution possible du comportement hydrologique, nous proposons d'utiliser les sorties du modèle LOIEAU qui permet d'estimer l'état de saturation et les débits de base dans le futur. Incorporés dans la méthode SHYREG, nous pouvons alors estimer le paramètre de SHYREG reliant la pluie au débit dans le futur (voir 3). Enn, en jumelant l'évolution des pluies à celle du comportement hydrologique, nous jugerons des impacts du changement climatique sur les débits extrêmes (voir 4).

(6)

1 Les données et l'approche SHYREG

Les données et l'approche SHYREG ont déjà été introduites dans la précédente étude [8]. Nous en reprenons le contenu principal.

1.1 Les données du modèle climatique

Dans le cadre du 4ème _{rapport du GIEC, un ensemble de scénarii ou projections}

clima-tiques (SCRATCH08) a été mis en place à partir de 15 modèles climaclima-tiques dont celui du CNRM : ARPEGE-Climat. Ces modèles proposent des évolutions plausibles du climat sur

le 21ème _{siècle forcées par plusieurs scénarii d'évolution de gazs à eet de serre (GES) : B1}

(optimiste), A1B (médian), A2 (pessimiste) (voir [12] pour plus de détails).

L'ensemble des scénarii ou projections climatiques a été désagrégé à une résolution de 8 km sur une région couvrant la France et une partie de la Suisse. La méthodologie de des-cente d'échelle utilisée est celle développée par Julien Boé au CERFACS [6, 5]. Les jeux de données utilisés pour cette désagrégation sont entre autres l'analyse météorologique à méso-échelle SAFRAN développée à Météo-France [9]. L'analyse SAFRAN couvre la France sur une période allant de 1970 à 2005 à une résolution spatiale de 8 km [13, 15] comportant 7 paramètres journaliers dont la température, l'évapotranspiration (ETP) et la précipitation liquide.

Notre étude se limite seulement aux données simulées par le modèle climatique ARPEGE-Climat. Nous avons donc à notre disposition les températures, les ETP et pluies

journa-lières à une résolution de 8 km issues de ce modèle sur 3 périodes : 1960-20011 _(limitée

à 1980-2001), 2046-2066 et 2081-2100. Nous avons donc 7 jeux de chroniques journalières de températures, d'ETP et de pluies générés par le modèle climatique correspondant à des états diérents de l'atmosphère :

1. un jeu de référence : période 1981-2000 correspondant à une modèlisation du climat présent

2. 2 jeux pour le scénario optimiste : périodes 2046-2065 et 2081-2100 3. 2 jeux pour le scénario médian : périodes 2046-2065 et 2081-2100 4. 2 jeux pour le scénario pessimiste : périodes 2046-2065 et 2081-2100

Nous avons à notre disposition des chroniques journalières de tempéra-tures, d'ETP et pluies sur 20ans couvrant toute la France à une

réso-lution 8 × 8km2 _{issues du modèle climatique ARPEGE-Climat et d'une}

descente d'échelle via les données SAFRAN. En plus d'une simulation de référence représentant le climat présent, le modèle a été forcé par 3 diérents scénarii d'évolution de gazs à eet de serre pour simuler les

climats possibles du milieu et de la n du 21e _siècle.

1.2 L'approche SHYREG

Cette Section a pour but d'introduire la méthode SHYREG et son principe dans l'es-timation de quantiles de débits sur la France. Dans cette étude, nous nous limitons à

l'estimation de quantiles de débits spéciques2_{. Pour plus d'informations sur la méthode}

SHYREG, voir [1, 7] sur l'aspect pluie et [4] pour l'aspect débit.

La méthode SHYREG est basée sur la simulation d'évènement pluvieux indépendants et

1. forcé sur les GES observés

(7)

d'une transformation pluie-débit à l'aide d'un modèle hydrologique du type GR (www: //cemagref.fr/webgr/).

Au sens de SHYREG, un événement pluvieux est une succession de pluies journalières supérieures à 4mm comprenant au moins un cumul journalier supérieur à 20 mm. Les évè-nements pluvieux sont générés au pas de temps horaire à l'aide de 3×2 paramètres estimés

à partir d'observations3 _:

µNE, appelé l'occurence des événements, est le nombre moyen d'événements par année,

µP Jmax, appelé l'intensité des événements, est la moyenne de la pluie journalière maximale des événements,

µDT OT , appelé la durée des événements, est la durée moyenne (en jours) d'un évé-nement.

Ces 3 × 2 paramètres ont été régionalisés à la maille du km2_{permettant ainsi la génération}

d'un grand nombre d'évènements pluvieux sur chaque maille du territoire français.

Pour estimer des quantiles de crue à la maille du pixel (1km2_{), ces pluies simulées au pas}

de temps horaires sont alors transformées en évènements de crues indépendants. Pour cela on utilise un modèle hydrologique de type GR utilisé en mode événementiel pour transfor-mer les scénarii de pluies horaires en scénarii de crues. Pour, entre autres, pouvoir utiliser un tel modèle sur l'ensemble des pixels, les paramètres de ce modèle sont xés, sauf le niveau de remplissage initial du premier réservoir. La pluie entrant dans le modèle transite d'abord dans un hydrogramme unitaire simple qui la répartit suivant deux pas de temps d'une heure : 70% au premier pas de temps et 30% au second pas de temps. Cet opérateur permet un lissage des intensités horaires de pluie. La capacité du premier réservoir (A) a été imposée en fonction des grandes classes hydrogéologiques déterminées sur le

terri-toire ([4]). L'étude de 12 petits bassins versants de l'ordre de 1 km2 _{a conduit à xer la}

capacité du second réservoir (B) à 50 mm, et son niveau de remplissage (R) initial est imposé à 30% de la capacité de B [2]. Ce réservoir est un opérateur de transfert. Il est

supposé unique pour modéliser le transfert se produisant sur des pixels de 1 km2_{. Le taux}

de remplissage initial du réservoir A (S0/A), qui a un rôle de production, est donc le seul paramètre variable (entre 0 et 1). La seule connaissance de ce paramètre permet donc de faire tourner le modèle GR an de transformer les chroniques de pluies horaires simulées en hydrogrammes de crues. Une régionalisation de ce paramètre a été eectuée sur toute la France permettant alors une connaissance de celui-ci sur tout le territoire français à une

résolution de 1km2 _{pour chacune des deux saisons considérées dans SHYREG. Notons que}

cette régionalisation prend en compte les endroits urbains, péri-urbains et les plans d'eau4

où le paramètre de production est xé à une valeur par défaut (par exemple sur les pixels considérés comme urbain la valeur est xée à 0.9).

3. 3 paramètres par saison (hiver entre décembre et mai et été entre juin et novembre) 4. à l'aide des codes Corine Land Cover

(8)

La méthode SHYREG est basée sur la simulation d'évènements pluvieux indépendants et d'une transformation pluie-débit à l'aide d'un modèle hydrologique utilisé en mode événementiel. Pour chacune des deux sai-sons (hiver et été) la seule connaissance de 3 paramètres liés à la pluie journalière permet de simuler des pluies horaires qui sont transformées en débit via un modèle GR simplié paramétré seulement par un paramètre de production (S0/A). La génération d'une multitude d'évènements per-met alors d'estimer empiriquement des quantiles de crues de diérentes durées et périodes de retour (jusqu'à 1000ans). La connaissance des pa-ramètres sur toute la France permet alors l'estimation de quantiles de

pluies et de débits à la maille du pixel (1km2_{) (voir Fig. 1). Ces quantiles}

de débits peuvent être agglomérés sur tous les bassins pour en fournir une estimation le long du réseau hydrographique.

2e+05 4e+05 6e+05 8e+05 1e+06

1600000 1800000 2000000 2200000 2400000 2600000 quantile centennal de PM24h estimés par SHYREG

100 200 300 400 500

(a) Pluie maximale en 24h

200000 400000 600000 800000 1000000 1200000 6000000 6200000 6400000 6600000 6800000 7000000

quantile centennal de QP (spécifique) estimés par SHYREG

5 10 15 20 25

(b) Débits de pointes spéciques

Figure 1 Cartographie des quantiles centennaux (pluie maximale en 24h et débit de pointe spécique) proposés par

(9)

2 Rappels sur les résultats de 2013

Cette Section a pour but de rappeler les principaux résultats du précédent rapport [8]. Nous avions présenté une approche originale dans l'étude du changement climatique sur les crues. Nous avions couplé des projections climatiques à résolution de 8km et la méthode SHYREG pour estimer l'évolution possible des quantiles de débits au cours du 21e siècle. Pour cela nous avions jugé de l'impact de l'évolution des pluies sur l'estimation de quantiles de débits spéciques estimés à partir de représentations de climats présent et futur(s) sur l'ensemble de la France. Enn plusieurs scénarii d'évolution dans la rela-tion pluie-débit avaient permis de juger l'impact d'un tel changement dans l'estimarela-tion de quantiles de débits spéciques. Même si ce premier travail de prospection admettait des hypothèses simplicatrices sur l'estimation de quantiles de crues et l'utilisation de projec-tions climatiques, il permettait d'avoir une idée des enjeux liés à l'estimation des extrêmes hydrologiques dans un contexte non-stationnaire.

Tout d'abord, nous avions montré que les sorties du modèle avec le climat présent sous-estimaient les quantiles de pluies par rapport à ceux estimés via les observations de

∼ −20%. Cette sous-estimation était ampliée pour l'estimation des quantiles de débits de

pointe spéciques. Il paraissait donc contestable d'utiliser ces projections climatiques pour construire des cartes de quantiles reétant un futur probable. Cependant, en comparant les sorties d'un même modèle sur 2 périodes (présent et futur), on pouvait avoir une idée des évolutions possibles sur l'estimation de quantiles de débits dus seulement à une évolution des pluies.

Trois diérents scénarii, menant à 3 diérentes visions du climat futur, avaient été étudiés dans le précédant rapport. Même si la relation pluie/débit était supposée constante dans le temps, les écarts prédits sur les pluies sont ampliés sur les débits (à la hausse ou à la baisse). Les tendances entre les climats présent et futurs divergeaient selon les scénarii, la période et les zones étudiés. Cependant, quelques tendances se dégageaient : à la hausse dans le Nord-Ouest et les Alpes et à la baisse sur les cotes de la Manche, le Sud-ouest et la Corse. Les écarts qui variaient globalement entre [−20%, 20%] étaient d'autant plus importants que la période de retour était grande.

Ensuite nous avions proposé trois scénarii (subjectifs et simplistes) d'évolution dans la relation pluie-débit : évolution du paramètre de production dans le temps tout en gardant les pluies inchangées. Celle-ci inuait de manière importante sur l'estimation de quantile de débit de pointe spécique (entre [+60%, +150%]) selon le scénario et la période de re-tour. Par exemple, le passage d'une zone péri-urbaine en une zone urbaine pouvait doubler l'estimation d'un quantile de débit spécique produit par cette zone.

Dans l'étude de 2013, nous avions travaillé indépendamment sur les deux principales causes d'évolution possibles du quantile de crues : évolution due à la pluie (changement climatique) ou évolution due à la relation pluie-débit via l'occupation du sol de façon arbitraire (urbanisation ou déforestation). Dans l'approche SHYREG, la relation pluie-débit est paramétrée seulement par le paramètre de production S0/A. Celui-ci devrait évoluer dans le temps : si il y a de plus en plus (resp. moins en moins) d'évènements pluvieux (pas forcément extrêmes), on peut s'attendre à une augmentation (resp. diminution) du paramètre. Une façon de juger une évolution possible du S0/A dans le futur est d'utiliser la relation qu'il existe entre lui et certaines variables hydrologiques (par exemple l'état de saturation des sols) qui peuvent être estimées par une méthode régionale d'estimation de la ressource en eau (par exemple LOIEAU). C'est l'objet de la prochaine Section.

(10)

3 Évolution du comportement hydrologique dans SHYREG

Dans SHYREG, la variabilité du comportement hydrologique des bassins est basée es-sentiellement sur un seul paramètre : celui de production S0/A [3]. L'idée est alors de proposer une évolution de ce paramètre dans le futur. Contrairement à l'étude de 2013 où nous avions xé arbitrairement des valeurs dans le futur, nous nous basons maintenant sur la relation permettant d'expliquer le paramètre S0/A (voir 3.4). Cette variabilité est liée entre autres à un indice d'état de saturation des sols, qui peut être facilement déterminé à partir d'une modélisation hydrologique continue. Le couplage des projections climatiques (voir 1.1) et d'un modèle régional d'estimation de la ressource en eau de type LOIEAU (voir 3.1) permet alors d'estimer ce paramètre de saturation hydrique dans le futur, de même que les débits moyens mensuels.

3.1 Le modèle régionale de ressources en eau : LOIEAU

Le modèle de transformation de la pluie en débit utilisé dans LOIEAU est dérivé du modèle GR2M. C'est un modèle conceptuel simple, à deux paramètres, fonctionnant en continu au pas de temps mensuel [11].

Le modèle transforme mois après mois la pluviométrie mensuelle en écoulement mensuel (voir Fig. 2). La structure du modèle repose sur deux réservoirs : le réservoir S et le réservoir R. Des étapes successives permettent de simuler un débit. Tout d'abord, une interception partielle enlève une même quantité (Z) aux deux entrées que sont les précipitations (Pluie liquide + Pluie solide) et l'évapotranspiration potentielle (E). Une pluie nette Pn = P-Z et une évapotranspiration potentielle nette En=E-Z sont donc dénies. La discrimination des précipitations entre pluie liquide et pluie solide est fonction d'une température seuil (TEC). Si la température moyenne mensuelle du bassin versant est inférieure à la température seuil, alors une part de la pluie nette est stockée dans un réservoir "neige (N) et le reste (Ps=Pn-N) contribue à alimenter le réservoir S. Ce réservoir est chargé de la répartition quantitative de l'eau dans le modèle. Le niveau de remplissage du réservoir détermine le rendement de la pluie et de l'évaporation. Sa capacité maximale (A) varie entre 150 mm et 250 mm au niveau du territoire national. Elle a été xée après une étude régionale conduite sur les bassins du sud de la France et de Seine-Normandie. L'optimisation de (A) a amélioré la restitution de certains bassins à faibles précipitations annuelles et dotés d'une certaine régularité saisonnière. (mettre un exemple sur 1 bassin graphe) Les valeurs optimales de A ont permis de suggérer une tendance avec les classes d'aquifère de la carte hydrogéologique du BRGM. Ce paramètre est donc déterminé en fonction de hydrogéologie du bassin. Sur ce réservoir une quantité d'évaporation (Es) est retirée chaque mois. La fraction de la pluie nette (Pr) qui n'a pas alimenté le réservoir R est ajoutée à l'eau issue de la fonte (F) d'une partie du stock de neige et alimentent la fonction de routage ou de transfert du modèle. La fonction de transfert rend compte du décalage dans le temps entre la pluie et les écoulements. An de reproduire les régimes des cours d'eau à forte contribution des masses d'eau souterraines et ceux bénéciant de faibles variations saisonnières au regard des variations inter-annuelles, la fonction de routage est composée de deux réservoirs qui se vidangent de manière diérente : l'un permet une vidange linéaire rapide, l'autre une vidange linéaire lente. Le paramètre XV2 assure la distribution de la pluie routée (Pr) entre les deux réservoirs notés (R) et (RR) et est compris entre 0 et 1. Au niveau du réservoir A, on ne tient pas compte des inltrations, ou d'échanges souterrains potentiels. Le paramètre XV1 est alors introduit pour s'assurer du bilan en eau par un apport (XV1 >1) ou une perte (X1< 1).

(11)

Pour chaque bassin versant, les valeurs de ces deux paramètres sont déduites d'une période d'apprentissage durant laquelle sont comparés les débits observés et les débits cal-culés par le modèle. Le logiciel optimise en fait ces 2 valeurs an de minimiser le critère de Nash entre les débits observés et calculés. Le niveau maximum du réservoir sol (A) a été xé à 500 mm, à l'inverse le niveau du réservoir de transfert (R) est laissé libre.

Les paramètres XV1 et XV2 ont été optimisés sur plus de 2000 bassins versants de la France métropolitaine à l'aide de données observées. Une carte de ces paramètres a alors pu être déduite sur toute la France [10]. Ils représentent le comportement hydrologique des bassins versants que l'on juge stationnaire dans le temps. Á partir de ces paramètres, le modèle permet d'estimer, au pas de temps mensuel, l'état de saturation des sols et les débits de base mensuels sur chaque pixel du territoire français à partir d'une chronique de pluies et d'ETP.

[17] a utilisé ce modèle dans un contexte de changement climatique.

Figure 2 Structure du modèle GR2M au pixel.

Le modèle LOIEAU transforme mois après mois la pluviométrie men-suelle en écoulement mensuel en prenant en compte l'évapotranspiration potentielle à l'aide de deux paramètres qui représentent le comporte-ment hydrologique des bassins versants. Á l'aide d'observations, ceux-ci ont déjà été régionalisés sur la France métropole et permet alors d'esti-mer, au pas de temps mensuel, l'état de saturation des sols et les débits mensuels sur chaque pixel du territoire français. Les seules données d'en-trée nécessaires à la mise en oeuvre de LOIEAU sont alors les pluies et l'ETP mensuelles.

(12)

3.2 Estimation du débit de base dans le futur

Le but est de déterminer le débit moyen qu'il y a au début des évènements pluvieux au sens de SHYPRE qui joue un rôle d'initialisation dans l'estimation des débits de crues. Celui-ci, noté Qbase, est déni pour chaque saison et est estimé en faisant la moyenne des débits moyens mensuels.

Á l'aide de LOIEAU, nous pouvons estimer le débit de base mensuel sur chaque pixel

de la France (résolution 8 × 8km2_{) à l'aide des données GCM (pluies et ETP journalières)}

pour les diérentes périodes et scénarios. . Sur la Figure 3(a), nous illustrons ce débit

moyen (en m3_/s_{) pour la période 1981-2000 (en hiver et en été). Sur la Figure 3(b), nous}

illustrons l'évolution de ce débit de base moyen entre les périodes 1981-2000 et 2081-2100 (sous scénario a1b). Le débit de base semble diminuer dans le futur pour les 2 saisons.

1800000 2000000 2200000 2400000 2600000 200000 400000 600000 800000 1000000 Qbase.Summer Qbase.Winter 0 10 20 30 40 50

(a) Débit de base pour les 2 saisons eectuée à l'aide des données GCM sur la période 1981-2000

arpege_a1b_2081_2100 minus arpege_ref

1800000 2000000 2200000 2400000 2600000 200000 400000 600000 800000 1000000 Qbase.Summer Qbase.Winter −80 −60 −40 −20 0 20 40 60 80

(b) Évolution du débit de base entre 1981-2000 et 2081-2100 (scénario a1b)

Figure 3 Cartographie du débit de base pour les 2 saisons eectuée à l'aide des données GCM sur la période 1981-2000 ainsi que son évolution dans le futur (2081-2100 sous a1b).

(13)

3.3 Estimation de l'état de saturation du sol dans le futur

Le but est de déterminer la saturation moyenne au début des évènements pluvieux au sens de SHYPRE notée SAJeven qui doit jouer un rôle dans l'estimation du paramètre de production S0/A de SHYREG.

Á l'aide de LOIEAU, nous pouvons estimer cet état de saturation du sol journalier

sur chaque pixel de la France (résolution 8 × 8km2_{) à l'aide des données GCM (pluies}

et ETP journalières) pour les diérentes périodes et scénarios. Sur la Figure 4(a), nous illustrons cet état de saturation moyen au début des évènement pluvieux (compris entre 0 et 1) pour la période 1981-2000 (en hiver et en été). Sur la Figure 4(b), nous illustrons l'évolution de cet état de saturation moyen entre les périodes 1981-2000 et 2081-2100 (sous scénario a1b). En hiver, la saturation semblerait être plus importante dans le futur, reétant des précipitations plus fréquentes. En revanche, en été, la saturation des sols est moins importante ce qui est une conséquence d'une augmentation des températures, donc de l'évapotranspiration. 1800000 2000000 2200000 2400000 2600000 200000 400000 600000 800000 1000000 SAJeven.Summer SAJeven.Winter 0.3 0.4 0.5 0.6 0.7 0.8 0.9

(a) Bilan hydrique estimé à l'aide des données GCM sur la période 1981-2000

● ●● ● ● ● ●●● ● ● ● ●●●●● ●● ●● ● ● ●● ● ●● ● ●●●● ● ●●● ●● ● ●●●● ● ●●●● ●● ● ● ●● ●●● ●● ●●●● ●● ●● ●● ● ● ● ●● ● ● ●● ● ● ●● ● ● ● ● ● ● ● ● ● ●●● ● ● ● ● ● ● ●● ● ● ●● ●● ●●● ● ● ●● ●●● ●●●●●● ● ●● ●● ● ● ● ● ●● ● ● ● ● ● ● ● ● ● ● ● ●●● ●●● ● ● ● ● ●● ●●● ●● ● ●●● ●●●● ● ● ●● ● ● ● ● ● ● ● ● ● ● ● ● ● ●● ● ●● ● ●● ● ●●● ● ● ● ●● ● ●● ● ● ● ● ● ●● ● ● ● ● ●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●●● ●● ● ● ● ● ● ● ●● ● ● ● ● ●● ● ●● ● ● ● ● ●●● ● ● ● ● ● ● ● ● ●● ● ● ● ● ●● ● ● ●● ● ● ● ● ● ● ● ● ● ● ● ● ●● ● ● ● ● ● ●● ● ● ●● ● ● ● ● ●●● ●● ●●● ●● ● ● ● ● ● ●●● ● ● ● ● ● ● ●●● ● ● ● ●●● ● ● ● ●● ● ● ● ● ● ● ● ●●●● ●●●●●●●●● ● ● ● ● ● ● ● ● ● ● ● ● ●● ● ●● ●● ● ● ● ●●●● ●● ● ● ● ● ● ● ● ● ●● ● ● ●● ● ● ● ● ●●●●●●●●●● ●●●●●●●●●● ● ●● ● ●●●●●●● ● ●●●●●●● ●●●●●● ● ● ●● ● ● ● ●● ●●●● ● ●●●● ● ● ●● ●● ● ● ● ●●●● ●● ●●● ●● ●● ●● ●● ● ● ● ●●● ●●● ●●●● ●●● ●●●●●● ●● ● ●●● ●●●●● ●●●●●● ●● ●● ● ●● ●● ●● ● ●●●●●● ●●● ●● ● ● ●●●●●●●●●●●●●●● ●●●●●● ●● ●●●●●●●●●●●●●●●●●●● ● ●●●●●●●●●●●●●●●●●● ●● ●●●●●●●●●●● ●● ●●●●●●●●● ●●●●●●●●●●●●●●●●●●●●●●●●● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●● ●●●● ● ●●●●● ●●●●●●●●●●● ●●●● ●● ●●●●●● ● ● SAeven.Winter ● ●● ● ● ● ●●● ● ● ● ●●●●● ●● ●● ● ● ●● ● ●● ● ●●●● ● ●●● ●● ● ●●●● ● ●●●● ●● ● ● ●● ●●● ●● ●●●● ●●●● ● ● ● ● ● ●● ● ● ●● ● ● ●● ● ● ● ● ● ● ● ● ● ●●● ● ● ● ● ● ● ●● ● ● ●● ●● ●●● ● ● ●● ●●● ●●●●●● ● ●● ●● ● ● ● ● ●● ● ● ● ● ● ● ● ● ● ● ● ●●● ●●● ● ● ● ● ●● ●●● ●● ● ●●● ●●●● ● ● ●● ● ● ● ● ● ● ●● ● ● ● ● ● ●● ● ●● ● ●● ● ● ●● ● ● ● ●● ● ●● ● ● ● ● ● ●● ● ● ● ● ●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●●● ●● ● ● ● ● ● ● ●● ● ● ● ● ●● ● ●● ● ● ● ● ●●● ● ● ● ● ● ● ● ● ●● ● ● ● ● ●● ● ● ●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●● ● ● ●● ● ● ● ● ●●● ●● ●●● ● ● ● ● ● ● ● ●●● ● ● ● ● ● ● ●●● ● ● ● ●●● ● ● ● ●● ● ● ● ● ● ● ● ●●●● ●●●●●●●●● ● ● ● ● ● ● ● ● ● ● ● ● ●● ● ● ● ●● ● ● ● ●●●● ●● ● ● ● ● ● ● ● ● ● ● ● ● ●● ● ● ● ● ●●●●●●●●●● ●●●●●●●●●● ● ●● ● ●●●●●●● ● ●●●●●●● ●●●●●● ● ● ●● ● ● ● ●● ●●●● ● ●●●● ● ● ●● ●● ● ● ● ● ●●● ●● ●●● ●● ●● ●● ●● ● ● ● ●●● ●●● ●●●● ●●● ●●●●●● ● ● ●●●● ●●●●● ●●●●●● ●● ●● ● ●● ●● ●● ● ●●●●●● ●●● ●● ● ● ●●●●●●●●●●●●●●● ●●●●●● ●● ●●●●●●●●●●●●●●●●●●● ● ●●●●●●●●●●●●●●●●●● ●● ●●●●●●●●●●● ●● ●●●●●●●●● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●● ●●●● ● ●●●●● ●●●●●●●●●●● ●●●● ●● ●●●●●● ● ● SAeven.Summer −0.6 −0.4 −0.2 0.0 0.2 0.4 0.6

(b) Évolution du bilan hydrique entre 1981-2000 et 2081-2100 (scénario a1b)

Figure 4 Cartographie du bilan hydrique (saturation des sols) pour les 2 saisons eectuée à l'aide des données GCM sur la période 1981-2000 ainsi que son évolution dans le futur (2081-2100 sous a1b).

(14)

3.4 Régionalisation et Estimation du paramètre S0/A futur

3.4.1 Rappel de la procédure

Le paramètre S0/A est évalué sur les sites jaugés où l'on connait sa valeur optimale. La régionalisation de ce paramètre permet alors d'utiliser la méthode sur l'ensemble du territoire, donc sur des sites non jaugés [14].

La régionalisation du paramètre S0/A consiste, dans un premier temps, à utiliser des va-riables environnementales (moyennées sur les bassins versants) expliquant la variabilité du paramètre S0/A. La densité du réseau de drainage, l'hydrogéologie et une variable de bilan hydrique (saturation des sols) permettent alors de retrouver le paramètre S0/A à l'aide de régression linéaire multiple. Des variables climatiques (par exemple les paramètres du générateur de pluies) peuvent également être utilisées pour améliorer les corrélations. Bien que la corrélation trouvée soit faible, avec un coecient de corrélation multiple de 0.3, on détermine une carte du paramètre dite S0/A expliqué. Les écarts à cette corrélation sont alors calculés pour chaque bassin versant. Ces écarts sont alors cartographiés en attribuant à chaque pixel de la zone, la valeur de l'écart du bassin le plus petit présent sur ce pixel (cas de bassins emboités). Une interpolation simple du type IDW (inverse de la distance au carré) est réalisée pour prendre en compte les tendances régionales à la surestimation ou la sous-estimation. Une carte dite des résidus qui peut éventuellement être lissée est alors obtenue. La carte dite S0/A régionalisée est alors la somme des cartes S0/A expliqué et résidus.

3.4.2 Nouvelle régionalisation du S0/A présent

La valeur du S0/A, noté S0/Aopt a été optimisée an de reproduire au mieux les débits

extrêmes observés sur 1500 bassins à partir des pluies générées par SHYREG. Le but est de régionaliser ce paramètre sur l'ensemble du territoire par la procédure présentée dans le 3.4.1. Celle-ci a déjà été eectuée à partir des données observées. Cependant, dans ce travail, nous utilisons les sorties de GCM qui impliquent des modications dans certaines variables explicatives de S0/A. Il nous faut donc recalculer les coecients des régressions propres aux nouvelles données utilisées.

L'hydrogéologie et la densité de réseau de drainage sont des variables environnementales non sujettes à une évolution au cours des 100 prochaines années. Ces variables sont pri-mordiales dans l'explication du S0/A. Par contre, la variable du bilan hydrique (saturation des sols) est quant à elle soumise aux conditions météorologiques et donc à une évolution climatique (voir 3.3). Les variables climatiques utilisées dans la régression multiple évo-luent également au cours du temps (voir récapitulatif dans le Tab. 1). Pour chaque saison,

Variables Notation Évolution Modication

explicatives utilisée au cours du temps / à base actuel

Hydrogéologie HY GEO Non Non

Réseau de drainage RES.DRAI Non Non

Bilan hydrique (saturation du sol) SAJ even Oui Oui

Variables climatiques V AR.CLIM Oui Oui

Résidus RESIDU S Non Oui

Table 1 Comportement des variables servant à la régionalisation du S0/A vis à vis d'une évolution climatique et les notations utilisées.

la carte des S0/A expliqué est déterminée à l'aide de la formule suivante :

(15)

où les αisont déterminés par la méthode des moindres carrées et SAJevenRefet V AR.CLIMRef

correspondent respectivement à l'état hydrique des sols et aux variables climatiques estimés à partir des sorties du modèle climatique pour la période 1981-2000 (période de référence). La méthode usuelle stepwise est utilisée pour dénir les variables signicatives. Les va-riables choisies sont listées dans le Tab. 2 pour chacune des 2 saisons.

Variables explicatives choisies

Hiver S0/AExpli= α0+ α1× HY GEO + α2× RES.DRAI + α4× µP JmaxRef

Été S0/ARef_Expli= α0+ α1× HY GEO + α2× RES.DRAI + α3× SAJevenRef+ α4× µDT OTRef

Table 2 Liste des variables choisies pour expliquer S0/A en hiver et en été. Les résidus de la régression multiple sont alors régionalisés à l'aide de la méthode IDW formant ainsi la carte RESIDUS. La carte nale (voir Fig. 5) est alors la somme entre la carte des S0/A expliqué et celle des résidus :

S0/ARef_Regio = S0/AExpli + RESIDU S

1800000 2000000 2200000 2400000 2600000 200000 400000 600000 800000 1000000 S0.Aregio.Summer S0.Aregio.Winter 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

Figure 5 Cartographie du paramètre de production du modèle GR (S0/A) pour les 2 saisons eectuée à l'aide des données GCM sur la période 1981-2000.

3.4.3 Estimation du paramètre S0/A futur

Pour estimer le paramètre S0/A dans le futur, nous utilisons l'Eq. 1 où les αi et les

RESIDUS sont propres à chacune des saisons (voir Tab. 2). Par exemple, pour estimer le S0/A été pour la période 2081-2100 sous le scénario a1b, nous utilisons la formule suivante :

S0/Aa1b,2081−2100_Expli = α0+α1×HY GEO+α2×RES.DRAI+α3×SAJ evena1b,2081−2100+α4×µDT OTa1b,2081−2100

(16)

où SAJevena1b,2081−2100 _{et DT OT}a1b,2081−2100 _{correspondent respectivement à l'état}

hy-drique des sols et au paramètre DT OT estimés à partir des sorties du modèle climatique pour la période 2081-2100 sous le scénario a1b. Les variables HY GEO, RES.DRAIS et

RESIDU S sont inchangés.

Sur la Figure 6, on illustre l'évolution du paramètre S0/A ainsi calculé (hiver et été) par rapport à la période de référence. En été, on observe globalement une diminution du paramètre de production S0/A sur l'ensemble du territoire alors qu'en hiver, le paramètre S0/A est à la hausse ou à la baisse selon les régions. Ceci est principalement dû par le fait que, en été, S0/A est lié (positivement) à SAJeven (qui a une tendance clairement à la baisse, voir Fig. 4(b)) alors qu'en hiver, SAJeven ne rentre pas en compte dans l'estimation du S0/A. En fait la tendance du S0A en hiver (resp. en été) reète uniquement celle du

µP J max(resp. celle de SAJeven couplée à celle de µDT OT ).

En procédant de la même manière, nous pouvons alors obtenir pour chaque période et chaque scénario où les données GCM sont présentes un paramètre S0/A correspondant. Il

faut noter que les R2 _{des régressions linéaires sont assez faibles, surtout en hiver. Cette}

méthode semble donc critiquable, cependant elle permet d'avoir une idée de l'ampleur de l'évolution du paramètre S0/A.

● ●● ● ● ●●●● ● ● ● ●●●●● ●● ●● ● ● ●● ● ●● ● ● ● ●● ● ●●● ●● ● ●●● ● ● ●●● ● ●● ● ● ● ● ●●● ●● ●● ●● ●●●● ● ● ● ● ● ● ● ● ● ● ● ● ● ●● ● ● ● ● ● ● ● ● ● ●●● ● ● ● ● ● ● ● ● ● ● ●● ● ●● ● ● ● ● ●●●● ●●●●● ●● ● ●● ● ● ● ● ● ● ●● ● ● ● ● ● ● ● ● ● ● ● ●●● ●●● ● ● ● ● ● ● ● ●● ●● ● ●●● ●●●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●●●●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●● ● ● ● ● ● ● ● ● ● ●●● ● ● ● ● ● ● ● ●●● ● ● ● ● ● ●●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●●●● ●●●●●●●●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●● ● ● ● ● ●●●●●●● ● ● ● ●●●●●●● ● ● ● ● ● ●● ● ●●●●●● ● ●●●● ●●● ●●●●●● ● ● ●● ●● ● ●● ●●●● ● ●●●● ● ● ● ● ● ● ● ● ● ● ● ● ● ●● ●●● ●●● ● ● ● ●● ● ● ● ●●● ●●● ●●●●●●● ●●●●●● ● ● ●● ●●●●●●●●●●●●● ● ● ●● ● ●● ●● ●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●●●●●●●●●●● ● ● ● ● ● ● ● ● ● ●●●●●●●●●●●●●●●●●● ● ● ● ● ● ● ●●●●●●●●●●●●● ● ● ● ● ● ● ●●● ●●● ● ● ● ●●●●●●●●● ● ● ● ● ● ● ● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●● ● ● ● ● ● ●●●● ● ● ● ●●●●●●●●●●●●● ● ● ● ● ● ● ● ● ● ● ● ●●●● ● ●● ● ● ● ● ●● ● ● ● ● ● ● ● ● ● ● ● S0Aopt.Winter ● ●● ● ● ●●●● ● ● ● ●●●●● ●● ●● ● ● ●● ● ●● ● ● ● ●● ● ●●● ●● ● ●●● ● ● ●●● ● ●● ● ● ● ● ●●● ●● ●● ●● ●●●● ● ● ● ● ● ● ● ● ● ● ● ● ● ●● ● ● ● ● ● ● ● ● ● ●●● ● ● ● ● ● ● ●● ● ● ●● ● ●● ● ● ● ● ●●●●● ●●●● ●● ● ●● ● ● ● ● ● ● ●● ● ● ● ● ● ● ● ● ● ● ● ●●● ●●● ● ● ● ● ● ● ● ●● ●● ● ●●● ●●●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●●●●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●● ● ● ● ● ● ● ● ● ● ●●● ● ● ● ● ● ● ● ●●●● ● ● ● ● ● ●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●●●● ●●●●●●●●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●● ● ● ● ● ●●●●●●● ● ● ● ●●●●●●● ● ● ● ●●●● ● ●●●●●● ● ●●●● ●●● ●●●●●● ● ● ●● ●● ● ●● ●●●● ● ●●●● ● ●● ●● ● ● ● ● ● ● ● ● ●● ●●● ●●● ● ● ● ●● ● ● ● ●●● ●●● ●●●●●●● ●●●●●● ●● ●● ●●●●●●●●●●●●● ● ● ●● ● ●● ●● ●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●● ● ●●●●●●●●●●●●● ● ● ● ● ● ● ● ● ●●●●●●●●●●●●●●●●●●● ● ● ● ● ● ●●●●●●●●●●●●●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●●●●●●●●● ● ● ● ● ● ● ● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●● ● ● ● ● ● ●●●●● ● ● ●●●●●●●●●●●●●● ● ● ● ● ● ● ● ● ● ● ●●●●● ● ●●● ● ● ●●● ● ● ● ● ● ● ●●● ● ● S0Aopt.Summer −0.15 −0.10 −0.05 0.00 0.05 0.10 0.15

Figure 6 Évolution du paramètre de production S0/A entre 2081-2100 (scénario a1b) et 1981-2100.

En utilisant les diérentes sorties du modèle climatique et le modèle LOIEAU, nous avons pu estimer l'ensemble des paramètres liés à la transformation pluie/débit au sein de SHYREG : le débit de base et le paramètre S0/A dans le futur. Nous pouvons donc prendre en compte l'évolution du comportement hydrologique dû au changement climatique dans l'estimation des débits de crues.

(17)

4 Impacts des diérentes évolutions sur l'estimation des

quan-tiles de crues

Cette Section a pour but de montrer les impacts des diérentes évolutions prises en compte dans le processus d'estimation de débits de crues :

impacts de l'évolution des pluies (voir [8] et rappel 2 et 4.3)

impacts de l'évolution du comportement hydrologique via le débit de base (voir 4.1) et le paramètre S0/A (voir 4.2).

Enn nous utiliserons simultanément ces 2 types d'évolutions pour donner une idée des évolutions de débits de crues dans le futur (voir 4.4).

4.1 Impacts d'une évolution du débit de base sur l'estimation des quan-tiles de crues

Nous considérons ici que les pluies et le paramètre S0/A sont stationnaires dans le temps -ie- même dans le futur, ils ont la même valeur que dans le climat présent (1981-2000). Donc seul le débit de base varie dans le temps.

La Fig. 7 illustre les impacts d'une évolution du débit de base sur l'estimation de quantiles de crues sur l'ensemble de la France pour T = 2, 10, 100, 1000 ans.

arpege_a1b_2081_2100 minus arpege_refin %

1800000 2000000 2200000 2400000 2600000 L1J.T..2.years L1J.T..10.years 200000 400000 600000 800000 1000000 L1J.T..100.years L1J.T..mil.years −60 −40 −20 0 20 40 60

T= 2 years T= 10 years T= 100 years T= 1000 years

−50 −40 −30 −20 −10 0

arpege_a1b_2081_2100 minus arpege_ref in %

in %

Figure 7 Évolution (en %) des quantiles de débit journalier due seulement au débit de base pour T = 2, 10, 100, 1000 ans entre les périodes 1981-2000 et 2081-2100 (scénario a1b). Á droite, en forme de carte (une pour chacune des périodes de retour) et à gauche un boxplot correspond à la distribution de l'évolution d'une période de retour pour l'ensemble des pixels.

Comme vu dans le 3.2, le débit de base est à la baisse dans le futur sur l'ensemble de la France. On retrouve assez bien cette baisse sur l'évolution des quantiles de débits. Cependant l'impact du débit de base dépend de la localisation : forts impacts sur le nord alors que peu d'impacts dans le pourtour méditerranéen ce qui était prévisible : dans le nord, le débit de base occupe un fort pourcentage dans le débit d'une rivière en crue (débit en crue courant ∼ 2× débit de base) alors que dans le pourtour méditerranéen, ce débit

(18)

est négligeable devant un débit de crue. On retrouve cette explication dans le fait que son impact est d'autant faible que la période de retour augmente.

4.2 Impacts d'une évolution du S0/A sur l'estimation des quantiles de crues

Nous considérons ici que les pluies et le débit de base sont stationnaires dans le temps -ie- même dans le futur, ils ont la même valeur que dans le climat présent (1981-2000). Donc seul le paramètre de production S0/A du modèle pluie-débit varie dans le temps.

La Fig. 8 illustre les impacts d'une évolution du paramètre de production S0/A sur l'estimation de quantiles de crues sur l'ensemble de la France pour T = 2, 10, 100, 1000 ans. Comme vu dans le 3.4.3, le paramètre S0/A a une évolution assez peu marquée : plutôt à la baisse en été et en hiver, l'évolution dépend de la localisation. Quelque soit la période de retour, l'impact du paramètre S0/A est assez faible sur l'ensemble de la France : de −10% à +5%. En reliant ces résultats avec ceux de [8], il semble que l'impact lié au climat sur la production des bassins est moindre que celui lié à une modication de l'occupation des sols (urbanisation, déforestation).

1800000 2000000 2200000 2400000 2600000 L1J.2.years L1J.10.years 200000 400000 600000 800000 1000000 L1J.100.years L1J.1000.years −40 −20 0 20 40

−10

−5

0

5

in %

Figure 8 Évolution (en %) des quantiles de débit journalier due seulement au paramètre

S0/A pour T = 2, 10, 100, 1000 ans entre les périodes 1981-2000 et 2081-2100 (scénario

a1b). Á droite, en forme de carte (une pour chacune des périodes de retour) et à gauche un boxplot correspond à la distribution de l'évolution d'une période de retour pour l'ensemble des pixels.

4.3 Impacts d'une évolution des paramètres de pluie sur l'estimation des quantiles de crues (rappel)

Nous considérons ici que le paramètre S0/A et le débit de base sont stationnaires dans le temps -ie- même dans le futur, ils ont la même valeur que dans le climat présent (1981-2000). Donc seul les paramètres du générateur de pluies varient dans le temps. Ceci est

(19)

un rappel pour montrer les impacts des trois diérentes évolutions possibles (voir [8] pour plus de détails).

−30 −20 −10 0 10 20 30

in %

Figure 9 Évolution (en %) des quantiles de débit journalier due seulement aux para-mètres du générateur de pluies pour T = 2, 10, 100, 1000 ans entre les périodes 1981-2000 et 2081-2100 (scénario a1b). Á droite, en forme de carte (une pour chacune des périodes de retour) et à gauche un boxplot correspond à la distribution de l'évolution d'une période de retour pour l'ensemble des pixels.

4.4 Impacts de l'ensemble des évolutions liées au climat sur l'estimation des quantiles de crues

Contrairement aux 4.1, 4.2, 4.3, nous prenons ici toutes les évolutions simultanément (Qbase, S0/A, paramètres du générateur). Cette conguration n'a pas la prétention d'es-timer les débits dans le futur mais donne un état des lieux des changements auxquels on peut s'attendre et dénit quelles évolutions parmi les trois testées ont les plus gros impacts sur l'évolution des quantiles de débits spéciques.

La Fig. 10 illustre les boxplots (en %) montrant l'impact sur le quantile de débit journa-lier pour chacune des congurations testées pour T = 2, 10, 100, 1000 ans entre les périodes 1981-2000 et 2081-2100 (scénario a1b). Globalement sur la France, les quantiles de débit sembleraient être à la baisse. Cependant, plus la période de retour augmente, moins cette baisse est signicative.

Le Tab. 3 permet d'avoir une idée sur la conguration parmi les trois qui joue un rôle principal sur l'évolution des quantiles. Par exemple, une évolution seule du paramètre de production semble être négligeable par rapport aux autres quelque soit la période de retour. Le débit de base joue, quant à lui, un rôle important dans les faibles période de retour (hors pourtour méditerranéen) alors que l'évolution dans les paramètres du générateur de pluie impacte principalement les fortes périodes de retour (voir Fig. 11).

En Annexe A sont illustrées les cartes d'évolution des quantiles de débit journalier pour les diérents scénarios (a1b, a2) et diérentes périodes (2046-2065, 2081-2100).

(20)

−40

−20

0

20

arpege_a1b_2081_2100 minus arpege_ref −− L1J

Return periods Median Delta o v er Fr ance CC_pluie CC_S0A CC_Qbase CC_all

Figure 10 Boxplots (en %) montrant l'impact sur le quantile de débit journalier pour chacune des congurations testées pour T = 2, 10, 100, 1000 ans entre les périodes 1981-2000 et 2081-2100 (scénario a1b). Les notations CC_Qbase, CC_S0A, CC_pluie, CC_all correspondent respectivement aux congurations des 4.1, 4.2, 4.3, 4.4

CC_base CC_S0A CC_pluie

T = 2ans 0.57 0.01 0.29

T = 10ans 0.58 0.03 0.27

T = 100ans 0.31 0.04 0.5

T = 1000ans 0.11 0.07 0.74

Table 3 Coecient de corrélation linéaire (R2_{) entre l'évolution des quantiles due à}

l'ensemble des changements et celle due à un seul changement (seulement débit de base ou

(21)

2year quantile

Change in specific flow quantile due to only rainfall (in%)

Change in specific flo

w quantile due to all changes (in%)

−50 0 50 100 −50 0 50 100 R2=0.29 y=x 10year quantile

−50 0 50 100 −50 0 50 100 R2=0.74 y=x

Figure 11 Évolutions (en %) des quantiles de débit journalier dues à l'ensemble des changements (CC_all) en fonction de celles dues seulement aux paramètres du générateur de pluie (CC_pluie) pour T = 2, 10, 100, 1000 ans sur l'ensemble des pixels de la France.

Conclusion & Perspectives

Nous avons présenté une approche originale dans l'étude du changement climatique sur les crues. Nous avons couplé des projections climatiques à résolution de 8km et la méthode SHYREG pour estimer l'évolution possible des quantiles de débits au cours du 21e siècle. Contrairement à l'étude de 2013 où seule l'évolution des paramètres de SHYREG spéci-ques aux pluies avait été prise en compte, nous nous sommes intéressés ici à l'évolution de la relation pluie-débit via ces paramètres. Pour cela, nous avons estimé l'état de saturation des sols et le débit de base dans le futur à l'aide des projections climatiques et des sorties du modèle hydrologique mensuel LOIEAU. Des relations entre cet état de saturation et le paramètre pluie-débit propre à SHYREG ont alors permis de prendre en compte aussi bien l'évolution de la pluie que celle de la relation pluie-débit dans l'estimation de quantiles de débits via SHYREG.

(22)

Tout d'abord, nous avons montré comment les paramètres hydrologiques ont été esti-més dans le futur et leurs évolutions probables au cours de ce siècle. Les sorties du modèle LOIEAU montrent clairement une baisse du débit de base à prévoir dans le futur due prin-cipalement à l'augmentation de la température et par conséquent de l'évapotranspiration. Concernant le paramètre de production, les tendances sont moins claires même s'il semble-rait qu'en été, les sols soient moins saturés et par conséquent moins productif.

L'application de SHYREG à partir de ces nouveaux jeux de paramètres hydrologiques nous a permis de juger l'impact de l'évolution de chaque paramètre (rentrant dans la rela-tion pluie-débit) sur les quantiles de débits spéciques indépendamment et simultanément. Les résultats montrent que le débit de base, à la baisse selon les projections sur l'ensemble de la France, a un impact non négligeable sur l'estimation des quantiles de débits pour les périodes de retour faibles hormis sur le pourtour méditerranéen où le débit de base est quasi nul ou négligeable devant les débits de crues. L'évolution du paramètre de production du modèle pluie-débit due au climat a quant à lui un impact limité sur les quantiles de crues comparé à celui d'une évolution de l'occupation des sols (urbanisation, déforestation). Ce point reste cependant à approfondir.

Une simulation en prenant en compte l'ensemble des évolutions (pluie et hydrologique) liées au climat a permis d'avoir une tendance sur l'évolution de l'aléa hydrologique sur l'en-semble de la France. Selon les simulations, les quantiles de débits spéciques l'en-sembleraient être à la baisse sur l'ensemble de la France pour les faibles périodes de retour, dû principa-lement à une baisse du débit de base. Pour les fortes périodes de retour, cette tendance est moins signicative ; des régions tels que le quart Sud-Est ou l'Est parisien présenteraient même une tendance à la hausse non négligeable.

Dans cette étude, nous avons travaillé uniquement avec les sorties d'un seul modèle climatique et une seule méthode de descente d'échelle. Le projet CORDEX propose un en-semble de simulations climatiques avec plusieurs modèles climatiques et méthodes de des-centes d'échelle (ici dynamiques) à une résolution de ∼ 12km sous les scénarios du CMIP5 (ceux du dernier GIEC). Ces simulations permettraient alors de prendre en compte les incertitudes des modèles climatiques tout en y ajoutant les plus récentes représentations des climats futurs.

De plus, dans cette étude, nous avons utilisé une version de LOIEAU qui n'incorpore pas le module neige. L'utilisation d'un tel système serait utile pour faire un zoom sur les régions montagneuses où la fonte des neiges (plus précoces) peut inuencer les risques d'inondation. Enn, au lieu de distinguer deux saisons (liées aux mois), l'idée serait de travailler en terme de types de temps. Ce type de calage du modèle a déjà été eectué et montrait peu d'écart avec la version calée sur 2 saisons sur le climat présent. Cependant, cette approche permettrait de prendre en compte, d'une meilleure manière, une possible évolution dans l'occurrence de certains types de temps (cévennols,...) et donc de l'aléa pluvial dans le futur.

(23)

Annexes

A Cartes d'évolution des quantiles pour chaque scénario SRES.

Les cartes ci-après illustrent l'évolution des quantiles de débits journaliers en prenant en compte l'ensemble des modications prises en compte (Qbase, S0/A, paramètres du générateur) pour les scénarios b1 (Fig. 12), a1b (Fig. 13) et a2 (Fig. 14)sous des deux horizons : 2050 et 2100 (sauf pour b1). Les évolutions sont en pourcentage (les pixels en bleu (resp. rouge) signient un quantile à la baisse (resp. hausse) dans le futur). Les résultats suivants ne prétendent pas prédire les quantiles dans le futur mais donnent une indication sur l'ampleur des changements sur les débits extrêmes auxquels on peut s'attendre.

La Figure 15 montre ces mêmes résultats en agglomérant les diérents scénarios comme suit : si une pixel est à la baisse (resp. hausse) pour tous les scénarios alors elle est considérée à la baisse (resp. hausse) en multi-scénarios (la valeur est la moyenne des scénarios). Par contre, si un des scénarios a une tendance diérente des autres, on considère alors la tendance nulle.

arpege_b1_2081_2100 minus arpege_ref in %

−30

−20

−10

0

10

arpege_b1_2081_2100 minus arpege_ref in %

in %

(a) 2081-2100

Figure 12 Évolution (en %) des quantiles de débit journalier pour T = 2, 10, 100, 1000 ans entre les

(24)

arpege_a1b_2046_2065 minus arpege_ref in % 1800000 2000000 2200000 2400000 2600000 L1J.2.years L1J.10.years 200000 400000 600000 800000 1000000 L1J.100.years L1J.1000.years −100 −50 0 50 100

−20 −10 0 10 20 30

in %

(a) 2046-2065

−40

−20

0

20

in %

(b) 2081-2100

(25)

arpege_a2_2046_2065 minus arpege_ref in % 1800000 2000000 2200000 2400000 2600000 L1J.2.years L1J.10.years 200000 400000 600000 800000 1000000 L1J.100.years L1J.1000.years −80 −60 −40 −20 0 20 40 60 80

−20 −10 0 10 20 30

in %

(a) 2046-2065

arpege_a2_2081_2100 minus arpege_ref in %

−60

−40

−20

0

20

arpege_a2_2081_2100 minus arpege_ref in %

in %

(b) 2081-2100